Přednášky. Modelování produkčních a logistických systémů

Transkript

1 Modelování produkčních a logistických systémů Katedra logistiky, kvality a automobilové techniky Garant, přednášející, cvičící: Jan Fábry Přednášky

2 Základní model produkčního systému Koncepce 3E Economy = úspornost Efficiency = účinnost Effectiveness = účelnost Vstupy Účinnost Transformační procesy Výstupy Účinnost z = TR TC Úspornost Účelnost TR = pq TC = FC + VC Okolí VC = vq z = pq FC + vq = p v q FC 2

3 Základní model produkčního systému STEEP analýza S = social T = technological E = economic E = ecological P = political Vliv externích faktorů na produkční systém SWOT analýza S = strenghts W = weeknesses O = opportunities T = threats Stávající situace firmy ve vztahu k okolí 3

4 Manažerské koncepce a typy produkčních systémů Hlavní funkce managementu plánování, rozhodování, organizování, vedení, kontrolování. Současnost Vývoj manažerských strategií Rychlost Kvalita Náklady Rozsah produkce Čas 4

5 Manažerské koncepce a typy produkčních systémů Základní manažerské koncepce JIT (Just-in-Time) Lean Production System TOC (Theory of Constraints) TQM (Total Quality Management) QRM (Quick Response Manufacturing) TEI (Total Employee Involvement) BPR (Business Process Reingeneering) Agile Manufacturing SCM (Supply Chain Management) 5

6 Manažerské koncepce a typy produkčních systémů Typy produkčních systémů Typ operací výrobní operace, nevýrobní operace. Typ poskytovaného produktu výrobní organizace, organizace poskytující služby, organizace poskytující výrobky a služby. Typ výrob výroba na sklad, výroba na objednávku (na zakázku), montáž na objednávku (na zakázku). 6

7 Manažerské koncepce a typy produkčních systémů Typy produkčních systémů Typ zpracování produkce kusová produkce, sériová produkce, hromadná produkce. Fáze analýzy produkčních systémů 1. Navrhování produkčních systémů. 2. Řízení produkčních systémů. 3. Měření výkonnosti produkčních systémů. 4. Zlepšování výkonnosti produkčních systémů. 7

8 1. Navrhování produkčních systémů Prognózy Časové hledisko krátkodobé prognózy, střednědobé prognózy, dlouhodobé prognózy. Zaměření prognózy technologické prognózy, ekonomické prognózy, prognózy budoucí poptávky. 8

9 1. Navrhování produkčních systémů Návrh produktu co se bude produkovat Návrh procesu jak se bude produkovat výběr technologie, plánování kapacit, rozmístění zařízení, rozvržení zařízení: Pevná pozice produktu Rozvržení podle procesu Rozvržení podle produktu Skupinové (buňkové) rozvržení 9

10 2. Řízení produkčních systémů Agregované plánování Detailní plánování Vícestupňové plánování Určení velikosti dávek Rozvrhování dávek Řízení produkce 10

11 2. Řízení produkčních systémů Principy řízení PUSH Poptávka Vstupy Zařízení 1 Zařízení 2 Zařízení 3 Výstupy PULL Vnitřní poptávka Vnitřní poptávka Vnitřní poptávka Vnější poptávka Vstupy Zařízení 1 Zařízení 2 Zařízení 3 Výstupy 11

12 3. Měření výkonnosti produkčních systémů Ukazatele Úspornost Účinnost Účelnost Finanční ukazatele Operační ukazatele Zákaznické ukazatele 4. Zlepšování výkonnosti produkčních systémů Změna produkčního systému Skoková změna výkonu Soustavné zlepšování výkonu použití metody PDCA (Plan, Do, Check, Act), tzv. Demingova cyklu 12

13 Navrhování produktu Cíle podniku přivést na trh co nejrychleji nové produkty, zvýšit úroveň uspokojování potřeb zákazníků, zvýšit kvalitu (viz TQM), snížit náklady. Prostředky pro navrhování standardizace, Quality Function Deployment (QFD), souběžné navrhování. 13

14 Navrhování produktu Standardizace VDA (Verband der Automobilindustrie), modulární navrhování, CAD (Computer-Aided Design), CAM (Computer-Aided Manufacturing), CAE (Computer-Aided Engineering). 14

15 Navrhování produktu Quality Function Deployment (QFD) metoda vyvinuta v Japonsku v 60. letech minulého století, podnik vyvíjí a produkuje jen to, co očekává zákazník, využití metody označované jako dům kvality (viz dále). Výhody prohloubení orientace na zákazníka, zkrácení doby vývoje produktu, snížení nákladů na vývoj a produkci, motivace spolupracovníků kespolečné práci, jednoduchost a přehlednost nástroje. 15

16 Navrhování produktu Dům kvality Atributy produktu (n) Značení j = 1,2,, n 5 Určení korelace mezi jednotlivými produkčními požadavky Požadavky zákazníků (m) Váhy b i (i = 1,2,, m) Výpočet vah produkčních požadavků m v j = b i x ij i=1 pro j = 1,2,, n. Ohodnocení produkčních požadavků (technici) ve vztahu ke konkurenci (1 5) Určení intenzity relace x ij (i = 1,2,, m; j = 1,2,, n) mezi (1) a (2) Možnosti: 1,3 nebo 9 Ohodnocení vlastností produktu ve vztahu ke konkurenci (1 5) Návrh cílových hodnot produkčních požadavků jako znaků kvality produktu Zdroj obr.: (dostupné ) 16

17 Navrhování produktu Souběžné navrhování na navrhování se podílí několik návrhářů, strukturovaný postup, projekt s činnostmi, které mohou probíhat také souběžně: sériové následující po sobě, paralelní mohu být vykonávány souběžně, propojené musí být vykonávány souběžně, tzv. matice struktury návrhu P: p ij = 1 0 jestliže existuje přímý informační tok od i tého návrháře k j tému návrháři, jinak, i = 1,2, n, j = 1,2,, n. 17

18 Navrhování produktu Souběžné navrhování kooperační grafy Příklad: 6 návrhářů Nepřímý interaktivní dialog Přímý interaktivní vztah C F E A B D Sériová vazba 18

19 Navrhování produktu Analýza informačních toků Zjištění kooperujících skupin návrhářů Booleova algebra a b a b a b

20 Navrhování produktu Analýza informačních toků Relace mezi prvky prostřednictvím m přímých relací p (m) ij = 1 0 jestliže je relace mezi prvky i a j tvořena posloupností m přímých relací, jinak, i = 1,2, n, j = 1,2,, n, m = 2,3,, n 1. Relační matice R = P P (2) P (3) P (n 1). r ij = 1 0 jestliže existuje mezi prvky i a j relace, jinak, i = 1,2, n, j = 1,2,, n. Dvě podmnožiny prvků Existuje mezi nimi vzájemná relace Neexistuje mezi nimi žádná relace 20

21 Navrhování produktu Analýza informačních toků Matice silné relace S: s ij = 1 0 jestliže r ij =r ji =1, jinak, i = 1,2, n, j = 1,2,, n. Matice je symetrická a tranzitivní Matici lze přeuspořádat do matice s blokově-diagonální strukturou 21

22 Navrhování produktu Analýza informačních toků Příklad P A B C D E F A B C D E F A C B F D E R A B C D E F A B C D E F S A B C D E F A B C D E F C F E A B D Komponenty silné souvislosti 22

23 Rozmístění zařízení Vzdálenost zařízení od zdrojů, zákazníků, konkurence, ostatních částí systému. Další faktory: tržní poptávka a konkurence, hmotné doprava, pracovní síla, energie atd., nehmotné ekologie, postoje společnosti, zvyky zákazníků aj. 23

24 Rozmístění zařízení Cíl Návaznost nového zařízení na stávající produkční systém? Kolik typů produktů bude nové zařízení produkovat? Kolik nových zařízení bude umístěno? Metody pro výběr lokality 1) Analýza bodu zvratu. 2) Vícekriteriální hodnocení variant. 3) Metoda těžiště. 4) Optimální rozmístění zařízení modifikovaný dopravní problém. 5) Optimální rozmístění zařízení kvadratický přiřazovací problém. 24

25 Rozmístění zařízení 1. Analýza bodu zvratu Vyrovnání celkových nákladů a celkových výnosů (nulový zisk): TC = TR. Výnosy jsou pro všechny lokality jsou stejné, tj. výběr závisí na jen celkových nákladech: TC i = FC i + v i q i = 1,2,, n. Výběr lokality pro známou celkovou velikost produkce q : TC k = min i=1,2,,n (FC i + v i q ൯. 25

26 Rozmístění zařízení 1. Analýza bodu zvratu Příklad Jsou dány tři potenciální lokality pro umístění nového zařízení: A, B a C. V tabulce jsou uvedeny pro každou lokalitu fixní náklady v Kč za 1 měsíc a variabilní náklady v Kč na jednotku produkce. Lokalita FC v A B C a) Vyberte lokalitu pro známou produkci 800 jednotek. b) Jak závisí výběr lokality obecně na velikosti produkce? 26

27 Rozmístění zařízení 1. Analýza bodu zvratu Příklad pokračování TC Celkové náklady jsou znázorněny v 1000 Kč, velikost produkce ve 100 ks. B C A B C A q 27

28 Rozmístění zařízení 2. Vícekriteriální hodnocení variant Lokality posuzovány z hlediska několika kritérií. Metoda váženého součtu (WSA): Hodnocení i té varianty podle j tého kritéria: y ij pro i = 1,2,, n; j = 1,2,, k. Váha j tého kritéria: v j k > 0 pro j = 1,2,, k, v j = 1 normalizované váhy. j=1 Vážený součet: k u i = v j y ij j=1 pro i = 1,2,, n. 28

29 Rozmístění zařízení 2. Vícekriteriální hodnocení variant Příklad Jsou dány tři potenciální lokality pro umístění nového zařízení: A, B a C. Každou variantu hodnotíme z hlediska sedmi kritérií. Tabulka obsahuje bodové ohodnocení jednotlivých variant podle kritérií a váhy kritérií. Firma má vybrat lokalitu, jejíž vícekriteriální hodnocení bude nejvyšší. Lokalita Materiál Mzdy Voda Doprava Klima Daně u i A B C Váhy 0,10 0,05 0,40 0,10 0,20 0,15 29

30 Rozmístění zařízení 3. Metoda těžiště Znalost stávající sítě části systému, tj. souřadnic stávajících zařízení: x i a y i pro i = 1,2,, n. Umístění nového zařízení do těžiště sítě se souřadnicemi: x ҧ = 1 n x i തy = 1 n y i. i=1 i=1 Znalost objemů přepravy mezi jednotlivými zařízeními a novým zařízením: q i pro i = 1,2,, n. Váhy: v i = q i Q n Souřadnice těžiště: n x ҧ = i=1 v i x i n i = 1,2,, n, n തy = v i y i. i=1 n Q = q i. i=1 30

31 Rozmístění zařízení 3. Metoda těžiště Příklad Ve stávající síti existuje pět zařízení, jejichž souřadnice jsou uvedeny v tabulce. Máme určit souřadnice lokality pro umístění nového zařízení s využitím metody těžiště. Zjistěte, jak se změní tyto souřadnice v případě, že do rozhodování zahrneme denní objemy přepravy mezi stávajícími zařízeními a novým zařízením (viz sloupec tabulky q i ). Lokalita x i y i q i v i A ,075 B ,075 C ,475 D ,300 E ,075 31

32 Rozmístění zařízení 3. Metoda těžiště Příklad pokračování y A B E F G C D Těžiště bez objemů přepravy: (6;6) Vážené těžiště: (8,1;5,3) x 32

33 Rozmístění zařízení 4. Optimální rozmístění zařízení modifikovaný dopravní problém Množina m potenciálních lokalit pro nová zařízení: a i f i kapacita zařízení v lokalitě i, fixní náklady za využití lokality i, Množina n zákazníků nebo vnitřních odběratelů: i = 1,2,, m. b j poptávka odběratele j, j = 1,2,, n. Náklady na přepravu c ij Proměnné: x i = 1 0 náklady na přepravu jednotky produkce z lokality i k odběrateli j jestliže zařízení bude umístěno v lokalitě i, jinak, i = 1,2, m. y ij objem produktu přepravovaného od zařízení v lokalitě i k odběrateli j, i = 1,2,, m, j = 1,2,, n. 33

34 Rozmístění zařízení 4. Optimální rozmístění zařízení modifikovaný dopravní problém Matematický model: m n m z = c ij y ij + f i x i min, i=1 j=1 i=1 n y ij a i x i j=1 m y ij = b j i=1 i = 1,2,, m, j = 1,2,, n, x i 0,1 i = 1,2,, m, y ij 0 i = 1,2,, m. 34

35 Rozmístění zařízení 4. Optimální rozmístění zařízení modifikovaný dopravní problém Příklad Firma může využít sedm potenciálních skladů, z nichž bude přepravovat materiál do svých pěti výroben. V tabulce jsou dány velikosti měsíčních požadavků výroben a měsíční kapacity skladů (v tis. tun). Pokud je daný sklad využitý, společnost musí platit za jeho měsíční pronájem uvedené částky (v tis. eur). Dále jsou účtovány jednotkové přepravní náklady (v eurech za tunu) pro každou dvojici skladu a výrobny. Rozhodněte, které sklady pronajmout a jaké množství materiálu se má přepravovat mezi pronajatými sklady a výrobnami, aby celkové měsíční náklady byly minimální. 35

36 Rozmístění zařízení 4. Optimální rozmístění zařízení modifikovaný dopravní problém Příklad pokračování Lokalita V1 V2 V3 V4 V5 a i f i S S S S S S S b j

37 Rozmístění zařízení 5. Optimální rozmístění zařízení kvadratický přiřazovací problém Množina n zařízení: c ij Množina n pracovišť: d kl Proměnné: hodnota materiálového toku mezi zařízeními i a j, vzdálenost pracovišť k a l, i = 1,2,, n, j = 1,2,, n. k = 1,2,, n, l = 1,2,, n. x ik = 1 0 jestliže i té zařízení je umístěno na k té pracoviště, jinak, i = 1,2, n, k = 1,2,, n. 37

38 Rozmístění zařízení 5. Optimální rozmístění zařízení kvadratický přiřazovací problém Matematický model: n n n n z = c ij d kl x ik x jl min, n i=1 j=1 k=1 l=1 x ik = 1 k=1 n x ik = 1 i=1 x ik 0,1 i = 1,2,, n, k = 1,2,, n, i = 1,2,, n, k = 1,2,, n. 38

39 Rozmístění zařízení 5. Optimální rozmístění zařízení kvadratický přiřazovací problém Linearizace matematického modelu: y ijkl = 1 jestliže i té zařízení je umístěno na k té pracoviště a j té zařízení je umístěno na l té pracoviště, 0 jinak, i, j, k, l = 1,2, n. y ijkl x ik + x jl 1 i, j, k, l = 1,2,, n, n n n n z = c ij d kl y ijkl min. i=1 j=1 k=1 l=1 39

40 Rozvržení podle produktu Sériová a hromadní produkce. Každý produkt vyžaduje stejnou posloupnost operací. Operace probíhají na zařízeních uspořádaných do produkční linky. Všechny vstupní parametry jsou celočíselné hodnoty. A množina n operací, t i operační čas i té operace (i = 1,2,, n), A j A c i k z z j množina operací, které probíhají na j tém pracovišti (j = 1,2,, m), produkční takt, precedenční relace, i tá operace předchází k té operaci (i, k = 1,2,, n; i k), počet nevyužitých časových jednotek na celé lince, počet nevyužitých časových jednotek na j tém pracovišti (j = 1,2,, m), 40

41 Rozvržení podle produktu Pracnost výrobku n t = t i. i=1 Součet operačních časů všech operací na j tém pracovišti t(a j ) = i A j t i j = 1,2,, m. 41

42 Rozvržení podle produktu Podmínky pro přípustný rozvrh: m ራ A j = A, j=1 Budou rozvrženy všechny operace. A j ሩ A k = j, k = 1,2,, m, j k, Každá operace na jednom pracovišti. t(a j ) c j = 1,2,, m. Všechny operace na pracovišti budou dokončeny v rámci taktu. i h, i A j h A k j k i, h = 1,2,, n, j, k = 1,2,, m. Budou respektovány všechny precedenční relace. 42

43 Rozvržení podle produktu Optimalizace (cíl): Minimalizace počtu pracovišť při dané velikosti taktu: m min pro c = konst. Minimalizace velikosti pracovního taktu při daném počtu pracovišť: c min pro m = konst. Minimalizace počtu nevyužitých časových jednotek na celé lince: m m z = z j = ൯ c t(a j m = mc t A j = mc t min. j=1 j=1 j=1 Maximalizace efektivnosti produkční linky: E = t 100 % max. mc 43

44 Rozvržení podle produktu Přípustný rozvrh Příklad Na produkční linku se 3 pracovišti, na níž se vyrábí daný produkt, je zapotřebí rozvrhnout 8 operací s následujícími operačními časy (v min): 2,1,7,3,6,5,4,2. Operace s časem 4 min musí být zařazena za operaci s časem 1 min, tedy platí precedenční relace 2 7. Velikost taktu byla stanovena na 10 min. a) Jaká je pracnost produktu? b) Rozhodněte, zdá následující rozvrh je přípustný: A 1 = 3, 4, A 2 = 5, 7, A 3 = 1, 2, 6, 8. c) Určete počet nevyužitých minut na celé produkční lince. d) Jaká je efektivnost produkční linky? 44

45 Rozvržení podle produktu Minimalizace počtu pracovišť Obecně platí: 1 m n. m = 1 c = t z = z 1 = 0 E = 100 % m = n c = t max = max i=1,2,,n t i Zadána velikost taktu: c = konst. m min = t c m max = t t max 1 m min m m max n 45

46 Rozvržení podle produktu Minimalizace počtu pracovišť Příklad Firma chce rozvrhnout na linku výrobek, jehož produkci tvoří 6 operací s produkčními časy (v min): 2,4,6,3,5,3. Mezi operacemi neexistuje žádná technologická návaznost, tedy není definována žádná precedenční relace. Velikost taktu je stanovena na 8 min. a) Jaká je pracnost produktu? b) Určete minimální a maximální počet pracovišť na produkční lince a najděte libovolný přípustný rozvrh. c) Pro nalezený rozvrh určete počet nevyužitých minut na celé produkční lince a vypočtěte efektivnost produkční linky? 46

47 Rozvržení podle produktu Minimalizace Příklad velikosti pracovního taktu Obecně platí: 1 c t. m = n t i = 1 pro všechna i = 1,2,, n c = 1 E = 100 % m = 1 c = t E = 100 % Teoreticky dosažitelná minimální velikost taktu (pro 1 < m < n): t c min = ma x m, t max. 47

48 Rozvržení podle produktu Minimalizace velikosti pracovního taktu Velikost nejdelšího taktu pro požadovanou celkovou denní produkci Q a délku pracovní doby T: c max = T Q. Skutečná velikost pracovního taktu: 1 c min c c max t. 48

49 Rozvržení podle produktu Minimalizace velikosti pracovního taktu Příklad Firma chce rozvrhnout výrobek s 5 operacemi a operačními časy (v min): 5,1,3,4,2 na 3 pracoviště, přičemž mezi operacemi neexistuje žádná precedenční relace. a) Jaká je teoreticky dosažitelná minimální velikost taktu? b) Najděte přípustný rozvrh pro tuto hodnotu. c) Jaká bude efektivnost produkční linky? d) Jak se změní velikost pracovního taktu a efektivnost produkční linky pro operační časy 2,2,2,5,4 min? 49

50 Rozvržení podle produktu Minimalizace velikosti pracovního taktu Příklad Firma plánuje dosažení celkové denní produkce Q = 100 ks při délce pracovní doby T = 9 hod. Výrobek vyžaduje 7 operací s operačními časy (vmin): 2,4,5,4,3,1,2. a) Jaká je nejvyšší možná velikost taktu, při které je možné ještě dosáhnout požadované denní produkce? b) Je možné nalézt přípustný rozvrh pro tuto hodnotu taktu se stávajícími pěti pracovišti? c) Jaká bude efektivnost celé produkční linky? 50

51 Rozvržení podle produktu Heuristické metody Úloha rozvrhování produktu 1) Produkce je rozdělena do n operací. 2) Návaznost jednotlivých operací je dána pomocí precedenčních relací. Pro jejich grafické znázornění lze použít orientovaného grafu. 3) Pro každou operaci i je zadána doba jejího trvání, tzv. operační čas t i. 4) Je zadána požadovaná celková denní produkce Q. 5) Denní pracovní doba je T. 51

52 Rozvržení podle produktu Heuristické metody Obecný postup Krok 1 Vypočteme maximální dobu taktu: c max = T Q. Krok 2 Vypočteme pracnost produktu a teoreticky minimální počet pracovišť: Krok 3 n t = t i, i=1 m min = t c max. Použijeme některé z pravidel, podle něhož budeme přiřazovat operace na jednotlivá pracoviště (viz dále). Krok 4 Vypočteme efektivnost celé produkční linky: E = t 100 %. mc 52

53 Rozvržení podle produktu Heuristické metody Pravidla pro přiřazení operací na pracoviště (viz krok 3): a) nejdelší operační čas, b) maximální počet předchůdců, c) maximální počet následníků, d) maximální váha: w i = t i + j N i w j i = 1,2,, n, kde N i je množina všech bezprostředních následníků i té operace. 53

54 Rozvržení podle produktu Heuristické metody Příklad Firma má v plánu vyrobit za den 12 ks výrobku, jehož produkce je tvořena 6 operacemi. Jejich návaznost je znázorněna pomocí orientovaného grafu na obrázku. B A C D F E 54

55 Rozvržení podle produktu Heuristické metody Příklad pokračování V tabulce je pro každou operací zadána doba jejího trvání. Z grafu jsou navíc získány množiny bezprostředně předchozích a bezprostředně následujících operací. Pro další výpočet jsou v tabulce u každé činnosti navíc zaznamenány počty všech předchozích a všech následných operací. Délka denní pracovní dobyje6 hod. Operace t i Předchůdci Následníci Počet předchůdců Počet následníků A 12 - C 0 3 B 15 - D 0 2 C 8 A D 1 2 D 10 B, C F 3 1 E 20 - F 0 1 F 14 D, E

56 Rozvržení podle produktu Matematický model x ij = m 1 0 jestliže i tá operace je přiřazena na j té pracoviště, jinak, z = z j = n j=1 t i x ij c i=1 m x ij = 1 j=1 h x kh j=1 x ij m j=1 n c t i x ij = mc t min, i=1 j = 1,2,, m, i = 1,2,, n, h = 1,2,, m, i k, i = 1,2,, n, j = 1,2,, m. 56

57 Modely řízení produkčních systémů Plánování produkce stanovení produkční kapacity v dlouhodobém časovém horizontu. Rozvržení produkce rozvržení produkce na jednotlivá zařízení v kratším časovém horizontu. Řízení produkce implementace rozvrhů, probíhá v reálném čase. 57

58 Plánování produkce Plánování agregované produkce Uspokojení poptávky. Velikost poptávky stanovena v agregovaných jednotkách v agregovaných jednotkách je stanovena i velikost produkce. Posouzení produkčních kapacit a jejich možného navýšení. Prognózy zákaznické poptávky Stanovení produktového mixu Obchodní plán Stanovení dostupnosti zdrojů Sestavení dodavatelského řetězce 58

59 Plánování produkce Plánování agregované produkce Rozhodovací problém D t velikost agregované poptávky v období t, P t W t I t velikost produkce v období t, úroveň lidských zdrojů v období t, úroveň zásob v období t. Řídící proměnné Strategie nastavení řídících proměnných: Konstantní úroveň. Neměníme úroveň W t, tedy ani P t. Může docházet k nadprodukci (vyšší skladovací náklady) nebo nedostatečné produkci (ušlý zisk) vzhledem k poptávce. Strategie sledování. Reakce na velikost poptávky změnou úrovně W t tak, aby úroveň P t co nejvíce odpovídala změně velikosti poptávky. Vyšší náklady související s propouštěním a najímáním pracovníků. Kombinovaná strategie. Částečné sledování velikosti poptávky za účelem využití obou přístupů. 59

60 Plánování produkce Plánování agregované produkce Matematický model N T M D it R mt r im I it I i0 I it c i x it počet skupin, do kterých jsou roztříděny produkty (i = 1,2,, N), počet intervalů, do kterých je rozdělen časový horizont (t = 1,2,, T), počet zdrojů (m = 1,2,, M), prognóza poptávky pro skupinu produktů i v období t, kapacita zdroje m v období t, počet jednotek zdroje m, který vyžaduje skupina produktů i, zásoba skupiny produktů i na konci období t, počáteční zásoba produktů skupiny i, bezpečnostní úroveň zásob produktů skupiny i na konci období t, jednotkové skladovací náklady skupiny produktů i za časový interval, objem produkce skupiny i v období t. 60

61 Plánování produkce Plánování agregované produkce Matematický model T N z = c i I it t=1 i=1 min, I i,t 1 + x it I it = D it i = 1,2,, N, t = 1,2,, T, N r im x it R mt i=1 m = 1,2,, M, t = 1,2,, T, I it I it x it 0 i = 1,2,, N, t = 1,2,, T, i = 1,2,, N, t = 1,2,, T. 61

62 Plánování produkce Plánování agregované produkce Matematický model rozšíření pro přetížené zdroje s mt velikost přetížení zdroje m v období t, p N r im x it R mt + s mt i=1 penále za přetížení zdroje, m = 1,2,, M, t = 1,2,, T, T z = t=1 N M c i I it + p i=1 m=1 s mt min. 62

63 Plánování produkce Vícestupňové plánování Plánování materiálových požadavků (MRP Material Requirement Planning) Plánování výrobních zdrojů (MRP II Manufacturing Resource Planning) MRP Hlavní rozvrh produkce (MPS Master Production Schedule) Transformace agregovaného plánu do podrobného plánu produkce. Co, kdy a v jakém množství se bude produkovat (konkrétní produkty a kapacitní požadavky během uvažované časové periody). Seznam všech materiálů, součástek a polotovarů (BOM Bill of Materials) Montážní strom struktury produktu (Gozinto graf). Stav zásob, dodací lhůty, objednávky, výše pojistné zásoby. 63

64 Plánování produkce Vícestupňové plánování Gozinto graf Uzly Vstupy: materiál, polotovary. Výstupy: finální produkty. Hrany (orientované) Transformace jednotlivých částí. Ohodnocení: množství vstupujících částí do vystupujících částí. 64

65 Plánování produkce Vícestupňové plánování Strukturní analýza (input-output analýza) A matice technických koeficientů a ij (množství produkce i té vstupující položky nezbytné na produkci jedné jednotky j té vystupující položky), b y vektor hodnot požadované čisté produkce, vektor hodnot celkové produkce, Leontiefův model: Optimalizační model: y = I A 1 b. z = f y min (max), (I A)y = b, y 0. 65

66 Plánování produkce Vícestupňové plánování Příklad Firma vyrábí dva finální produkty V 1 a V 2 v počtu 20 a 30 ks. Je využíváno dvou typů materiálů M 1 a M 2 a polotovaru P. Struktura produktu je vyjádřena Gozinto grafem. Vypočtěte vektor celkové produkce: 1) S použitím Leontiefova modelu 2) Pomocí optimalizačního modelu M M 2 1 P V 1 V 2 66

67 Plánování produkce Vícestupňové plánování Příklad pokračování A M 1 M 2 P V 1 V 2 M M P V V b M 1 0 M 2 0 P 0 V 1 20 V

68 Plánování produkce Vícestupňové plánování Příklad pokračování (I-A) -1 M 1 M 2 P V 1 V 2 M M P V V y M M P 120 V 1 20 V

69 Plánování produkce Vícestupňové plánování Příklad Na 1 ks výrobku V je zapotřebí 1 jednotka materiálu M 1, 2 jednotky materiálu M 2 a 4 jednotky materiálu M 3. Dodací lhůty (v týdnech) jednotlivých druhů materiálu a výrobku V jsou uvedeny na obrázku. Výrobek V lze začít vyrábět v okamžiku, kdy je dostupný veškerý materiál. Firma má ve 4. týdnu dodat 80 ks výrobku V a v 7. týdnu 160 ks výrobku V. Počáteční zásoba výrobku V je 50 ks, na skladě je 50 jednotek materiálu M 1, 40 jednotek materiálu M 2 a 140 jednotek materiálu M 3. Cílem je naplánovat materiálové požadavky na celé období tak, aby byla splněna poptávka po výrobku V. 69

70 Plánování produkce Vícestupňové plánování Příklad pokračování DL=2 DL=2 DL=1 M 1 1 M M 3 V DL=1 70

71 Plánování produkce Vícestupňové plánování Příklad pokračování Dodávka výrobků V Výrobek V DL=1 Týden Počet výrobků Celkový požadavek Zásoba Čistý požadavek Objednávka

72 Plánování produkce Vícestupňové plánování Příklad pokračování Materiál M 1 DL=2 Materiál M 2 DL=2 Materiál M 3 DL=1 Týden Celkový požadavek Zásoba Čistý požadavek 140 Objednávka 140 Celkový požadavek Zásoba Čistý požadavek Objednávka Celkový požadavek Zásoba Čistý požadavek 620 Objednávka

73 Plánování produkce Určení velikosti dávek Velikost dávky je závislá především na kapacitě zdrojů, kapacitě výrobního zařízení, vzdálenosti zařízení, přeseřizovacích časech. Matematický model založený na modelu pro plánování agregované produkce: c i f i K i y it = 1 0 jednotkové skladovací náklady skupiny produktů i za časový interval, náklady spojené s jednou výrobní dávkou skupiny produktů i za časový interval, kapacita zařízení pro produkci skupiny i za časový interval, jestliže se období t bude na zařízení realizovat produkce skupiny i, jinak, i = 1,2,, N, t = 1,2,, T. 73

74 Plánování produkce Určení velikosti dávek Matematický model T N z = t=1 i=1 c i I it + f i y it I i,t 1 + x it I it = D it N r im x it R mt i=1 x it K i y it I it I it x it 0 min, i = 1,2,, N, t = 1,2,, T, m = 1,2,, M, t = 1,2,, T, i = 1,2,, N, t = 1,2,, T, i = 1,2,, N, t = 1,2,, T, i = 1,2,, N, t = 1,2,, T, y it 0,1 i = 1,2,, N, t = 1,2,, T. 74

75 Rozvrhování produkce Modely rozvrhování produkce Základní prvky: Procesory: P 1, P 2,, P m nebo 1,2,, m. Dávky: D 1, D 2,, D n nebo 1,2,, n. Rozdělení modelů: 1) Podle počtu procesorů: jednoprocesorové, víceprocesorové, procesory uspořádány: paralelně, sériově. 75

76 Rozvrhování produkce Modely rozvrhování produkce Rozdělení modelů: 2) Podle uvažování náhody: deterministické, stochastické (pravděpodobnostní). 3) Podle znalosti všech dávek předem: statické, dynamické. 76

77 Rozvrhování produkce Modely rozvrhování produkce Precedenční relace vyjádření návaznosti dávek při zpracování, D j D k znamená, že zpracování dávky D k může začít až poté, co je dokončena dávka D j. Precedenční graf grafické vyjádření všech precedenčních relací v úloze D 2 D 4 D 3 D 6 D 1 D 5 77

78 Rozvrhování produkce Modely rozvrhování produkce Modely síťové analýzy jediná dávka, tzv. projekt, operace se nazývají činnosti, každá činnost probíhá na samostatném procesoru, návaznost činností lze vyjádřit pomocí tzv. síťového grafu, časová a nákladová analýza projektů, rozvrhování sdílených zdrojů. Přerušení dávky rozdělení dávky do dvou či více časových intervalů, mezi nimiž existuje časový odstup, přerušení dávky většinou dochází po dokončení právě probíhající operace. 78

79 Rozvrhování produkce Modely rozvrhování produkce Prostoj Rozvrh časový interval, v němž se nerealizuje žádná dávka, tj. neprobíhá žádná operace, prostoje mohou být plánované (údržba), mohou nastat v důsledku neefektivního vyvážení produkční linky, může jít i o vynucené prostoje (poruchy). uspořádání dávek, vyjádřené pomocí časových údajů, Ganttův diagram je grafickým vyjádřením rozvržení dávek na časové ose. 79

80 Rozvrhování produkce Modely rozvrhování produkce Pro každou dávku D j lze zadat následující údaje (j = 1,2,, n): t j r j d j w j doba trvání (realizace) j té dávky, pokud se dávka skládá z více operací, jsou známy i jejich časy, nejdříve možný termín zahájení j té dávky, požadovaný termín dokončení j té dávky, váha j té dávky pro vyjádření její důležitosti (jednotkové náklady, penále za případné nedodržení termínu apod.). 80

81 Rozvrhování produkce Modely rozvrhování produkce Příklad Uvažujme 6 dávek, jejichž precedenční graf je znázorněn na obrázku. Máme rozvrhnout tyto dávky na 2 paralelní procesory. V tabulce jsou uvedeny doby realizace všech dávek (v hodinách). Dávka t j D 2 D 1 D 3 D 4 D 5 D 6 D 1 3 D 2 2 D 3 1 D 4 2 D 5 2 D

82 Rozvrhování produkce Modely rozvrhování produkce Příklad pokračování D 2 D 3 D 1 D 4 D 5 D 6 Dávka t j D 1 3 D 2 2 D 3 1 D 4 2 D 5 2 D 6 1 P 2 D 2 D 3 D 5 P 2 D 2 D 4 D 3 P 1 D 1 D 4 D 6 P 1 D 1 D 5 D čas čas 3 prostoje 1 prostoj 82

83 Rozvrhování produkce Modely rozvrhování produkce Přípustný rozvrh: Žádný procesor nemůže vykonávat více dávek současně. Žádná dávka nemůže být zpracovávána na více procesorech současně. Realizace žádné dávky nemůže začít před nejdříve možným termínem jejího zahájení. U všech dávek musí být respektovány všechny precedenční relace. Je nutné respektovat další podmínky, např. zákaz přerušení realizace dávek, zákaz realizace některé dávky na určitém procesoru, respektování nejpozději přípustného termínu dokončení dávky apod. Značení v modelech: Zadané parametry jsou značeny malými písmeny. Proměnné a vypočtené údaje jsou značeny velkými písmeny. 83

84 Rozvrhování produkce Modely rozvrhování produkce Proměnné (vypočtené údaje): C j F j = C j r j L j = C j d j T j = max 0, L j δ(t j ) = 1 δ(t j ) = 0 čas dokončení j té dávky, doba pobytu j té dávky v systému, časová diference mezi časem dokončení a požadovaným termínem dokončení j té dávky; pro předstih platí L j < 0, pro zpoždění dávky L j > 0, zpoždění j té dávky, j tá dávka je zpožděna (T j > 0), j tá dávka není zpožděna (T j = 0). 84

85 Rozvrhování produkce Modely rozvrhování produkce Optimální výrobní rozvrh je takový přípustný rozvrh, který minimalizuje vybrané kritérium. Kritéria: 1. Čas dokončení poslední dávky, tj. čas dokončení všech dávek: C max = max C j, C max w = max w jc j. j=1,2,,n j=1,2,,n 2. Průměrný čas dokončení dávky: n ҧ C = 1 n j=1 C j, ҧ C w 3. Nejdelší doba pobytu dávky v systému: n = w j C j. j=1 F max = max F j, j=1,2,,n F max w = max j=1,2,,n w jf j. 85

86 Rozvrhování produkce Modely rozvrhování produkce Kritéria: 4. Průměrná doba pobytu dávky v systému: തF = 1 n j=1 5. Největší časová diference mezi časem dokončení a plánovaným termínem dokončení dávky: L max = n F j, തF w = w j F j. 6. Průměrná časová diference mezi časem dokončení a plánovaným termínem dokončení dávky: n j=1 max L j, L max w = max w jl j. j=1,2,,n j=1,2,,n n തL = 1 n j=1 L j, തL w = w j L j. n j=1 86

87 Rozvrhování produkce Modely rozvrhování produkce Kritéria: 7. Největší zpoždění dávky: T max = 8. Průměrné zpoždění dávky: തT = 1 n j=1 9. Počet zpožděných dávek: n max j=1,2,,n T j, T max w = max j=1,2,,n w jt j. n T j, തT w = w j T j. n j=1 N = δ(t j ൯, N w = w j δ(t j ). j=1 n j=1 87

88 Rozvrhování produkce Modely rozvrhování produkce Klasifikace modelů: α β γ α: 1 systém s jedním procesorem, P m F m O m m J systém s m paralelně uspořádanými procesory, systém s m sériově uspořádanými procesory, kterými všechny dávky procházejí ve stejném pořadí (typickým případem je výrobní linka v sériové výrobě), systém s m sériově uspořádanými procesory, kterými dávky procházejí v libovolném pořadí, systém s m sériově uspořádanými procesory, kterými každá dávka prochází v pevně daném pořadí, které však může u každé dávky jiné (typickým případem je zakázková výroba). 88

89 Rozvrhování produkce Modely rozvrhování produkce Klasifikace modelů: α β γ β: r j prmp prec nejdříve možné termíny zahájení dávek nejsou nulové, dávky je možné přerušit, v modelu existuje technologická závislost dávek (precedenční relace). γ: vybrané kritérium. 89

90 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 Z v systému je jeden procesor, zpracovává se n dávek, každá je tvořena jednou operací, Z je obecně jakékoliv kritérium, podmínky: S 1 : na začátku je k dispozici všech n dávek. Pro každou dávku j = 1,2,, n je dána doba realizace t j a termín jejího nejdříve možného zahájení r j = 0, S 2 : všechny dávky jsou vzájemně nezávislé, neexistuje mezi nimi žádná precedenční relace, S 3 : doby realizace dávek jsou nezávislé na pořadí jejich realizace, nesmí dojít k přerušení dávky, nedochází k prostojům, zápis " i = j" znamená, že j tá dávka je v daném rozvrhu zpracována na i tém místě v pořadí. 90

91 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 F max všechny optimální rozvrhy jsou rovnocenné, hodnota kritéria (maximální doby pobytu dávky v systému) nezávisí na pořadí dávek: n F max = t j. j=1 matematický model pro respektování požadovaných termínů dokončení dávek (pokud jsou považovány za nejpozději přípustné termíny dokončení): x ij = d j + d j 1 0 jestliže i tá dávka je realizována kdykoli před j tou dávkou, jinak, zpoždění dávky, předstih dávky. i = 1,2,, n, j = 1,2,, n. 91

92 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 F max pokračování n z = d + j, min, j=1 C j F max j = 1,2,, n, z 0 = 0 z 0 > 0 Žádná dávka není zpožděna Alespoň jedna dávka je zpožděna C i + t j C j + M(1 x ij ) i, j = 1,2,, n, i j, x ij + x ji = 1 i, j = 1,2,, n, i j, C j d j + + d j = d j j = 1,2,, n, C j t j d j +, d j 0 j = 1,2,, n, j = 1,2,, n, x ij 0,1 i, j = 1,2,, n. 92

93 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 F max pokračování Příklad Uvažujme 5 dávek, u nichž známe dobu jejich realizace (v hodinách), požadovaný termín dokončení (v hodinách) a jejich relativní důležitost v podobě váhy (viz tabulka). Nejdříve možné termíny zahájení všech dávek jsou nulové. Dávka t j d j w j D ,1 D ,1 D ,4 D ,2 D ,2 F max = 12 hod celkové zpoždění dávek = 5 hodin P D 1 D 2 D 3 D 4 D čas 93

94 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 F max Příklad pokračování Dávka t j d j w j D ,1 D ,1 D ,4 D ,2 D ,2 pokračování Alternativní optimální rozvrh F max = 12 hod celkové zpoždění dávek = 1 hodina P D 2 D 3 D 1 D 4 D čas 94

95 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 F max (w) optimálním rozvrhem je rozvrh, v němž jsou dávky uspořádány podle nerostoucí posloupnosti jejich vah: Příklad pokračování P Dávka t j d j w j D ,1 D ,1 D ,4 D ,2 D ,2 w 1 w 2 w n. F max (w) = 1,2 hod 0,4 0,8 1,2 1,0 1,2 D 3 D 4 D 5 D 1 D čas 95

96 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 തF optimálním rozvrhem při minimalizaci průměrné doby pobytu dávky v systému je rozvrh s následující vlastností: Příklad pokračování t 1 t 2 t n. Dávka t j d j w j D ,1 D ,1 D ,4 D ,2 D ,2 തF= 5,8 hod P D 3 D 2 D 5 D 4 D čas 96

97 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 തF(w) pro optimální rozvrh platí: Příklad pokračování t 1 w 1 t 2 w 2 t n w n. Dávka t j d j w j D ,1 D ,1 D ,4 D ,2 D ,2 P തF w = 4,2 hod 0,4 0,6 1,2 0,8 1,2 D 3 D 5 D 4 D 2 D čas 97

98 Rozvrhování produkce Základní model s jedním procesorem Základní modely 1 L max a 1 T max Optimálním rozvrhem je rozvrh, v němž jsou dávky uspořádány podle neklesající posloupnosti jejich požadovaného termínu dokončení: Příklad pokračování d 1 d 2 d n. Dávka t j d j w j D ,1 D ,1 D ,4 D ,2 D ,2 P L max = T max = 1 hod D 2 D 3 D 1 D 4 D 5 zpožděná dávka L j čas 98

99 Rozvrhování produkce Základní model s jedním procesorem Základní modely 1 L max (w) a 1 T max (w) Lawlerův algoritmus (optimalizační postup): Krok 1 Vypočteme hodnotu představující celkovou dobu realizace všech dávek: Množina nezařazených dávek je U = 1,2,, n. Krok 2 V tomto kroku jde o nalezení dávky, která bude zařazena do rozvrhu tak, aby končila v čase t. K tomuto účelu nejprve pro všechny dosud nezařazené dávky vypočteme hodnotu f j : f j = w j t d j, j U, pro kritérium L max w, f j = w j max 0, t d j, j U, pro kritérium T max w. Ze všech takto vypočtených hodnot najdeme minimální hodnotu, která odpovídá dávce k: f k = min j U f j. n t = t j. j=1 99

100 Rozvrhování produkce Základní model s jedním procesorem Základní modely 1 L max (w) a 1 T max (w) pokračování Lawlerův algoritmus (optimalizační postup) pokračování: Krok 3 Dávku k zařadíme do rozvrhu tak, aby tato dávka končila v čase t, tj. C k = t. Upravíme hodnotu t a množinu dosud nezařazených dávek: t = t t k, U = U\ k. Pokud t = 0 či také U =, pak je nalezen optimální rozvrh, jinak pokračujeme krokem

101 Rozvrhování produkce Základní model s jedním procesorem Základní modely 1 L max (w) a 1 T max (w) pokračování Příklad pokračování T max = 0,2 hod Použití Lawlerova algoritmu pro model 1 T max (w) D 1 D 2 D 3 D 4 D 5 k t j d j w j 0,1 0,1 0,4 0,2 0,2 - f j (12) 0,4 0,9 2,4 0,6 0 5 f j (10) 0,2 0,7 1,6 0,2-4 f j (7) 0 0,4 0, f j (3) f j (2) C j L j T j P D 2 D 3 D 1 D 4 D čas 101

102 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 തL optimálním rozvrhem při minimalizaci průměrné časové diference mezi časem dokončení a plánovaným termínem dokončení dávky je rozvrh s následující vlastností: t 1 t 2 t n. Příklad pokračování തL= -1,8 hod D 1 D 2 D 3 D 4 D 5 t j d j w j 0,1 0,1 0,4 0,2 0,2 C j L j P D 3 D 2 D 5 D 4 D čas 102

103 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 തL(w) pro optimální rozvrh platí: Příklad pokračování തL w = -3,5 hod t 1 w 1 t 2 w 2 t n w n. D 1 D 2 D 3 D 4 D 5 t j d j w j 0,1 0,1 0,4 0,2 0,2 C j L j w j L j 0,4 0,5-2,0-0,6-1,8 P D 3 D 5 D 4 D 2 D čas 103

104 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 തT pro nalezení optimálního rozvrhu dosud neexistuje žádný polynomiální algoritmus (není ovšem ani jisté, že se jedná o NP-obtížnou úlohu), pro speciálně zadané úlohy lze dospět k optimálnímu rozvrhu. Základní model 1 തT(w) jedná seo NP-obtížnou úlohu 104

105 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 N Mooreův algoritmus (optimalizační postup): Krok 1 Vytvoříme rozvrh ze všech dávek podle: Krok 2 d 1 d 2 d n. Dávky v tomto pořadí zařadíme do posloupnosti E. Pro zpožděné dávky zavedeme množinu L =. Jestliže posloupnost E neobsahuje žádnou zpožděnou dávku, pak posloupnost E rozšířená o dávky z množiny L (v jakémkoli pořadí dávek) tvoří optimální rozvrh R. Počet zpožděných dávek je N = L, algoritmus končí. 105

106 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 N pokračování Mooreův algoritmus (optimalizační postup) pokračování: Krok 3 V posloupnosti E najdeme první zpožděnou dávku. Nechť je to dávka D [k] na místě k. Mezi prvními k dávkami najdeme dávku D [m] s největší dobou realizace t [m] : t m = max j=1,2,,k t j. Dávku D [m] přesuneme z posloupnosti E do množiny L a pokračujeme krokem

107 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 N Příklad pokračování E = (D 2, D 3, D 1, D 4, D 5 ) P pokračování D 2 D 3 D 1 D 4 D 5 Dávka t j d j w j D ,1 D ,1 D ,4 D ,2 D ,2 L j První (a také jediná) zpožděná dávka je D 4, která je v posloupnosti E na čtvrtém místě. Ze čtyř prvních dávek má dávka D 1 nejdelší dobu realizace: proto ji vyřadíme z posloupnosti E a zařadíme ji do množiny L. Protože v upravené posloupnosti E již není žádná dávka zpožděná, algoritmus končí. R = (D 2, D 3, D 4, D 5, D 1 ), N = 1. čas 107

108 Rozvrhování produkce Základní model s jedním procesorem Základní model 1 N(w) jedná seo NP-obtížnou úlohu 108

109 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 r j; prmp തT termíny zahájení dávek nejsou nulové (uvolnění podmínky S 1 ), dávky je možné přerušit. Příklad Uvažujme 3 dávky, u nichž známe dobu jejich realizace, nejdříve možný termín zahájení a požadovaný termín dokončení (všechny hodnoty jsou v hodinách). Dávka t j r j d j D D D

110 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 r j; prmp തT pokračování Příklad pokračování Dávka t j r j d j D D D Rozvrh bez přerušení, തT = 2/3 hod P D 2 D 1 D čas Rozvrh bez přerušení, തT = 1/3 hod P D 2 D 3 D čas Rozvrh s přerušením, തT = 0 hod P D 2 D 1 D 3 D čas 110

111 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 prec T max technologická závislost dávek vyjádřená pomocí precedenčních relací (uvolnění podmínky S 2 ). Rozšíření Lawlerova algoritmu (optimalizační postup): Krok 1 Vypočteme hodnotu představující celkovou dobu realizace všech dávek: t = t j. Množina nezařazených dávek je U = 1,2,, n. j=1 Krok 2 V tomto kroku jde o nalezení dávky, která bude zařazena do rozvrhu tak, aby končila v čase t. Nechť množina V U obsahuje dávky, které nemají žádné následníky nebo jejichž následníci jsou již zařazeni v rozvrhu, tj. pro něž neexistuje taková dávka i U, která je jejich následníkem. Pro všechny dávky z množiny V pak vypočteme hodnotu f j : f j = max 0, t d j, j V. n 111

112 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 prec T max pokračování Rozšíření Lawlerova algoritmu (optimalizační postup) pokračování: Ze všech takto vypočtených hodnot najdeme minimální hodnotu, která odpovídá dávce k: Krok 3 f k = min j V f j. Dávku k zařadíme do rozvrhu tak, aby tato dávka končila v čase t, tj. C k = t. Upravíme hodnotu t a množinu dosud nezařazených dávek: t = t t k, U = U\ k. Pokud t = 0 či také U =, pak je nalezen optimální rozvrh, jinak pokračujeme krokem

113 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 prec T max pokračování Příklad Máme sestavit rozvrh pro 6 dávek, daných precedenčním grafem. V tabulce jsou uvedeny doby realizace dávek a požadované termíny jejich dokončení (obě veličiny jsou v hodinách). D 2 D 3 D 4 D 6 D 1 D 2 D 3 D 4 D 5 D 6 t j d j D 1 D 5 113

114 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 prec T max pokračování Příklad pokračování D 1 D 2 D 3 D 4 D 5 D 6 t j d j Optimální rozvrh: D 2, D 1, D 4, D 3, D 5, D 6 D 1 D 2 D 3 D 4 D 5 D 6 C j T j T max = 2 hod 114

115 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 s jk C max délka zpracování dávek je závislá na jejich pořadí v rozvrhu (uvolnění podmínky S 3 ): s jk doba přenastavení procesoru pro zpracování dávky k, které bezprostředně následuje po zpracování dávky j, úlohu hledání optimálního rozvrhu lze transformovat na úlohu nalezení takového pořadí dávek, které minimalizuje celkovou dobu všech realizovaných přenastavení, analogie s úlohou obchodního cestujícího, v níž vzdálenosti mezi místy odpovídají dobám přenastavení, x jk = 1 0 jestliže j tá dávka je realizována bezprostředně před k tou dávkou, jinak, j = 1,2,, n, k = 1,2,, n. 115

116 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 s jk C max pokračování Matematický model: n n n z = s jk x jk + t j min, n j=1 k=1 x jk = 1 j=1 j = 1,2,, n, k=1 n x jk = 1 k = 1,2,, n, j=1 u j + 1 (n 1)(1 x jk ) u k j = 1,2,, n, k = 2,3,, n, x jk 0,1 j = 1,2,, n, k = 1,2,, n, u j 0 j = 1,2,, n. 116

117 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 s jk C max pokračování Metoda nejbližšího souseda: Krok 1 Vybereme libovolnou dávku (předpokládejme, že zpracování začíná a končí dávkou 1), označme ji i. Tato dávka je zařazena jako první do vytvářeného rozvrhu, který označíme jako posloupnost R. V tomto kroku je tedy R = 1. Celková doba realizace všech dávek včetně přenastavení je označena t. Nastavíme t = t i = t 1. Ze všech ostatních dávek vytvoříme množinu dosud nezařazených dávek U = 2,3,, n. Krok 2 V tomto kroku najdeme (z dosud nezařazených dávek) k dávce i jejího nejbližšího souseda, což jedávka k s nejnižší doboupřenastavení: s ik = min j U s ij. 117

118 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 s jk C max pokračování Metoda nejbližšího souseda: Krok 3 Dávku k zařadíme na konec posloupnosti R a vyřadíme ji z množiny U. Zároveň upravíme hodnotu t a nakonec nahradíme index i indexem k: Krok 4 R = R + k, U = U\ k, t = t + s ik + t k, i = k. Pokud je U =, pokračujeme krokem 4, jinak pokračujeme krokem 2. Protože podle předpokladu celý proces končí přenastavením procesoru na dávku 1, upravíme hodnotu t následujícím způsobem: t = t + s k1. Algoritmus končí, posloupnost R obsahuje přípustný rozvrh, hodnota t představuje celkovou dobu realizace všech dávek včetně příslušných dob přenastavení. 118

119 Rozvrhování produkce Zobecnění základního modelu s jedním procesorem Model 1 s jk C max pokračování Příklad Firma chce rozvrhnout na 1 procesor 8 dávek tak, aby byly realizovány v minimálním čase. V tabulce jsou zadány doby realizace dávek a doby přenastavení mezi jednotlivými dávkami (všechny hodnoty jsou v minutách). D 1 D 2 D 3 D 4 D 5 D 6 D 7 D 8 t j D D D D D D D D Metoda nejbližšího souseda: R = (1,8,6,3,7,5,2,4), t = 464 min. Optimální rozvrh: R = (1,4,6,2,3,7,5,8), t = 447 min. 119

120 Rozvrhování produkce Modely s paralelními procesory Model P m prmp F max v systému je m paralelně uspořádaných identických procesorů, zpracovává se n dávek, které jsou nezávislé (neexistuje mezi nimi žádná precedenční relace), nejdříve možné termíny zahájení realizace všech dávek jsou nulové, dávky je možné přerušit po dokončení právě realizované operace a pokračovat v jejím zpracování na stejném či jiném procesoru, zápis " i = j" znamená, že j tá dávka je v daném rozvrhu zpracována na i tém místě v pořadí, průměrná doba obsazení procesoru pro délku nejkratšího rozvrhu platí: doba realizace nejdelší dávky F max = max n 1 m j=1 t j ; max t j. j=1,2,,n 120

121 Rozvrhování produkce Modely s paralelními procesory Model P m prmp F max pokračování McNaughtonův algoritmus (optimalizační postup): Krok 1 Vypočteme hodnotu F max. Tato Dávku D 1 zařadíme na procesor P 1 v čase 0. Krok 2 Na stejný procesor přiřazujeme další dávky podle jejich pořadových čísel při respektování hodnoty F max. Mohou nastat tři případy: a) na procesor lze přiřadit všechny zbývající dávky, tj. poslední přiřazenou dávkou je dávka D n, b) poslední přiřazovaná dávka D k je dokončena přesně v čase F max, c) při přiřazovaní dávky D k dojde k překročení hodnoty F max. 121

122 Rozvrhování produkce Modely s paralelními procesory Model P m prmp F max pokračování McNaughtonův algoritmus (optimalizační postup) pokračování: Krok 3 Dále postupujeme podle toho, který případ v předchozím kroku nastal: a) všechny dávky jsou rozvrženy, algoritmus končí, b) na další procesor přiřadíme dávku D k+1 v čase 0 a pokračujeme krokem 2, c) rozdělíme dávku D k tak, že její první část bude dokončena na rozvrhovaném procesoru v čase F max a její zbývající část přiřadíme na další procesor v čase 0, pokračujeme krokem 2. Uvedeným postupem může dojít maximálně k m 1 přerušením. 122

123 Rozvrhování produkce Modely s paralelními procesory Model P m prmp F max pokračování Příklad Úkolem je rozvrhnout 10 dávek na 4 procesory tak, aby byly realizovány v minimálním čase, tj. aby nejdelší pobyt dávky v produkčním systému byl minimální. V tabulce jsou zadány doby realizace dávek (v min). Operace, které tvoří jednotlivé dávky, mají dobu trvání 1 min, tudíž je možné všechny dávky přerušit kdykoli po každé minutě jejich realizace. D 1 D 2 D 3 D 4 D 5 D 6 D 7 D 8 D 9 D 10 t j

124 Rozvrhování produkce Modely s paralelními procesory Model P m prmp F max pokračování Příklad pokračování F max = max 43 ; 8 = Protože dávky lze přerušit až po dokončení právě prováděné operace, je nutné z hodnoty 43/4 vypočítat horní celou část, tedy 11 min. P 4 D 9 D 10 přerušení dávek P 3 D 7 D 8 D 9 P 2 D 3 D 4 D 5 D 6 D 7 P 1 D 1 D 2 D čas 124

125 Rozvrhování produkce Modely s paralelními procesory Model P m prmp F max pokračování matematický model pro získání rozvrhu bez přerušení (pokud existuje): x ij = m 1 0 jestliže j tá dávka je realizována na i tém procesoru, jinak, z = x ij max, n n i=1 j=1 x ij t j F max j=1 m x ij = 1 i=1 i = 1,2,, m, j = 1,2,, n, i = 1,2,, m, j = 1,2,, n. Účelová funkce není nutný, jde o to najít přípustný rozvrh. 125

126 Rozvrhování produkce Modely s paralelními procesory Model P m prmp F max pokračování Příklad pokračování P 4 D 5 D 10 P 3 D 2 D 4 D 6 P 2 D 1 D 7 D 9 P 1 D 3 D čas 126

127 Rozvrhování produkce Modely s paralelními procesory Model P m F max dávky není možné přerušit, zobecnění matematického modelu formulovaného pro model P m F max : F max je proměnnou nikoli vypočtenou konstantou, je nutné nastavit podmínky celočíselnosti (vzhledem k nepřerušitelnosti operací v dávce), účelová funkce z = F max min, dávky není možné přerušit, NP obtížná úloha. 127

128 Rozvrhování produkce Modely s paralelními procesory Model P m F max pokračování Příklad Úkolem je rozvrhnout 10 dávek na 4 procesory tak, aby byly realizovány v minimálním čase, tj. aby nejdelší pobyt dávky v produkčním systému byl minimální. V tabulce jsou zadány doby realizace dávek (v min), dávky není možné přerušit. Operace, které tvoří jednotlivé dávky, mají dobu trvání 1 min. D 1 D 2 D 3 D 4 D 5 D 6 D 7 D 8 D 9 D 10 t j

129 Rozvrhování produkce Modely s paralelními procesory Model P m F max pokračování Příklad pokračování P 4 D 1 D 5 D 10 P 3 D 6 D 8 P 2 D 2 D 7 P 1 D 3 D 4 D čas 129

130 Rozvrhování produkce Modely s paralelními procesory Model P m F max pokračování Heuristický algoritmus: Krok 1 Vytvoříme následující pořadí dávek: Krok 2 Vybereme prvních m dávek v pořadí z kroku 1 a zařadíme je na procesory v čase 0. Krok 3 t 1 t 2 t n. Vybereme další dávku v pořadí a zařadíme ji za poslední dávku na procesor, který se nejdříve uvolní, tj. za dávku, která ze všech posledních dávek na procesorech končí nejdříve. Tento postup opakujeme, dokud nejsou rozvrženy všechny dávky. 130

131 Rozvrhování produkce Modely s paralelními procesory Model P m F max pokračování Příklad pokračování P 4 D 9 D 2 D 5 P 3 D 7 D 3 P 2 D 1 D 6 D 4 P 1 D 8 D čas 131

132 Rozvrhování produkce Modely s paralelními procesory Model P m തF Stejný princip jako optimalizační postup pro model 1 തF: Krok 1 Vytvoříme následující pořadí dávek: Krok 2 Vybereme prvních m dávek v pořadí z kroku 1 a zařadíme je na procesory v čase 0. Krok 3 t 1 t 2 t n. Vybereme další dávku v pořadí a zařadíme ji za poslední dávku na procesor, který se nejdříve uvolní, tj. za dávku, která ze všech posledních dávek na procesorech končí nejdříve. Tento postup opakujeme, dokud nejsou rozvrženy všechny dávky. 132

133 Rozvrhování produkce Modely s paralelními procesory Model P m തF pokračování Příklad pokračování തF = 6,3 min P 4 D 6 D 9 P 3 D 2 D 7 P 2 D 5 D 3 D 8 P 1 D 4 D 10 D čas 133

134 Rozvrhování produkce Modely se sériově řazenými procesory Model F m C max v systému je m sériově uspořádaných procesorů, zpracovává se n dávek, všechny se skládají z m operací, každá z nich probíhá na jednom procesoru, dávky musí procházet procesory ve stejném pořadí, tj, i tá operace každé dávky probíhá na i tém procesoru, doba realizace i té operace j té dávky je označena t ij, žádný procesor nemůže současně zpracovávat víc než jednu dávku a žádná dávka nemůže být současně zpracovávána na více procesorech. 134

135 Rozvrhování produkce Modely se sériově řazenými procesory Model F m C max pokračování Podmínky: S 1 : všechny dávky a procesory jsou dostupné od okamžiku 0, S 2 : dávky jsou vzájemně nezávislé, neexistuje mezi nimi precedenční relace, S 3 : doby trvání operací t ij jsou nezávislé na pořadí jejich realizace na procesoru, S 4 : operace nelze přerušovat. 135

136 Rozvrhování produkce Modely se sériově řazenými procesory Model F m C max pokračování Příklad Sestavme přípustný rozvrh pro 5 dávek, které je nutné rozvrhnout na 3 sériově řazené procesory. Tabulka obsahuje doby realizace dávek (v min) na jednotlivých procesorech. D 1 D 2 D 3 D 4 D 5 t 1j t 2j t 3j

137 Rozvrhování produkce Modely se sériově řazenými procesory Model F m C max pokračování Příklad pokračování Přípustný rozvrh: D 1 D 2 D 3 D 4 D 5 t 1j t 2j t 3j P 3 D 2 D 5 D 3 D 4 D 1 P 2 D 2 D 5 D 3 D 4 D 1 P 1 D 2 D 5 D 3 D 4 D čas 137

138 Rozvrhování produkce Modely se sériově řazenými procesory Model F m C max pokračování Johnsonův algoritmus (optimalizační) pro úlohu se 2 procesory: Krok 1 Množinu dávek rozdělíme do dvou podmnožin: Krok 2 Dávky v množině U uspořádáme podle neklesající posloupnosti dob realizace operací t 1j do posloupnosti (U). Dávky v množině V uspořádáme podle nerostoucí posloupnosti dob realizace operací t 2j do posloupnosti (V). Krok 3 U = D j ቚt 1j < t 2j, V = D j ቚt 1j t 2j. Optimální pořadí dávek (R) na obou procesorech tvoří posloupnost dávek (U) s následnou posloupností (V). Hodnota C max je dána termínem dokončení poslední dávky v posloupnosti (V) na druhém procesoru. 138

139 Rozvrhování produkce Modely se sériově řazenými procesory Model F m C max pokračování Příklad Nechť je dáno 6 dávek, které je nutné rozvrhnout na 2 sériově řazené procesory. V tabulce jsou zadány doby realizace dávek (v min) na obou procesorech. Cílem je minimalizovat čas dokončení všech dávek. D 1 D 2 D 3 D 4 D 5 D 6 t 1j t 2j

140 Rozvrhování produkce Modely se sériově řazenými procesory Model F m C max pokračování Příklad pokračování Krok 1 U = D 2, D 3, D 5, V = D 1, D 4, D 6. D 1 D 2 D 3 D 4 D 5 D 6 t 1j t 2j Krok 2 Krok 3 U = D 2, D 5, D 3, V = D 6, D 1, D 4. R = D 2, D 5, D 3, D 6, D 1, D 4, C max =

141 Rozvrhování produkce Modely se sériově řazenými procesory Model F m C max pokračování Příklad pokračování R = D 2, D 5, D 3, D 6, D 1, D 4, C max =15. D 1 D 2 D 3 D 4 D 5 D 6 t 1j t 2j P 2 D 2 D 5 D 3 D 6 D 1 D 4 P 1 D 2 D 5 D 3 D 6 D 1 D čas 141

142 Počítačová simulace Úvod do počítačové simulace Definice Zobrazení reálného (ale i plánovaného, dosud neexistujícího) systému s jeho stochastickými a dynamickými procesy ve formě simulačního modelu. Základní myšlenkou je napodobit chování reálného systému prostřednictvím simulačního modelu a na základě experimentování s tímto modelem navrhnout změny, které fungování systému zlepší. 142

143 Počítačová simulace Úvod do počítačové simulace Oblasti uplatnění simulace Optimalizace rozsáhlých produkčních systémů. Analýza logistických procesů uvnitř podniku či celého dodavatelského řetězce. Optimalizace skladovacích procesů. Optimalizace rozvrhování výroby. Zlepšení fungování komunikačních systémů, optimalizace informačních toků. Náklady spojené s počítačovou simulací Personální náklady na kvalifikovaného analytika a programátora. Náklady související s časem manažerů věnovaným komunikaci s analytikem v průběhu řešení projektu. Náklady na výkonnou výpočetní techniku (HW). Náklady na programové vybavení (SW). Náklady na sběr dat. 143

144 Počítačová simulace Úvod do počítačové simulace Simulační projekt Rozpoznání problému a stanovení cílů. Tvorba konceptuálního modelu (KM). Sběr dat a jejich analýza. Tvorba simulačního modelu (SM). Verifikace a validace modelu (ověření toho, zda SM je v souladu s původním KM a zda je SM ve shodě s realitou). Provádění experimentů. Analýza výsledků. Vytvoření dokumentace projektu. Implementace výsledků. 144

145 Počítačová simulace Analýza dat Základní analytické nástroje Tabulky (běžná, šachovnicová vztahy mezi objekty, kontingenční vztahy dvou statistických znaků aj.). Diagramy (Sankeyův intenzita materiálového toku, P Q diagram souvislost produktů a velikosti produkce). Grafy (bodový, spojnicový, sloupcový, výsečový atd.). Schémata (vazby mezi oblastmi společnosti, dispoziční řešení, návaznost procesů). 145

146 Počítačová simulace Analýza dat Obecné metody zpracování dat Seskupování cílem je roztřídit data do skupin tak, aby prvky každé skupiny sdílely společný atribut (typ automobilu, typ karosérie, barva). Filtrování omezení skupiny výsledků pouze na prvky, které splňují zadané podmínky (jednoduché filtry, vícestupňové filtry). Řazení třídění dat podle hodnot jednoho či více atributů (tzv. klíč), výsledkem je pořadí prvků. Párování spojování informací (hodnot znaků) z několika databází či seznamů získaných např. na základě průchodu produktů jednotlivými evidenčními body. Software Access, Excel, SAS, SPSS, Gretl, Statgraphics, MATLAB, R. 146

147 Počítačová simulace Analýza dat Statistická analýza dat Náhodný pokus je pokus, který může být opakován a jehož výsledek není znám předem. Náhodná veličina proměnná, jejíž hodnota je dána výsledkem náhodného pokusu (diskrétní, spojitá). Náhodný jev výsledek náhodného pokusu vyjádřený hodnotou náhodné veličiny. Pravděpodobnost náhodného jevu číselné vyjádření míry možnosti nastoupení náhodného jevu. Pravděpodobnostní rozdělení pravidlo, jež každé hodnotě nebo intervalu hodnot přiřadí pravděpodobnost, že náhodná veličina nabude této hodnoty nebo hodnoty z tohoto intervalu. 147

148 Počítačová simulace Analýza dat Statistická analýza dat Distribuční funkce náhodné veličiny F(x) přiřazuje každému reálnému číslu x pravděpodobnost, že náhodná veličina X nabude hodnoty menší nebo rovné x, tj. F x = P(X x). Pro každé reálné číslo x je distribuční funkce neklesající a navíc platí 0 F(x) 1. Hustota pravděpodobnosti spojité náhodné veličiny je funkce, pro kterou platí f x = df(x)/dx. Pro všechna reálná čísla x je hodnota f(x) 0 a platí f x dx = 1. Pravděpodobnostní funkce diskrétní náhodné veličiny je obdobou hustoty pravděpodobnosti spojité náhodné veličiny. Protože diskrétní náhodná veličina X může nabývat pouze diskrétních hodnot, pak pravděpodobnost, že nabyde hodnoty x je dána hodnotou pravděpodobnostní funkce f x = P(X = x). Pro všechna reálná čísla x platí f(x) 0 a σ x A f x = 1, kde A je množina všech náhodných jevů, tedy všech možností, kterých může náhodná veličina X nabývat. 148

149 Počítačová simulace Analýza dat Statistická analýza dat Střední hodnota náhodné veličiny je základní charakteristikou náhodné veličiny, která nás při analýze dat zajímá. Pokud diskrétní náhodná veličina X může nabývat n možných hodnot x i (i = 1,2,, n), pak její střední hodnotu lze vyjádřit jako E X = σ n i=1 x i P(X = x i ). V případě spojité náhodné veličiny je střední hodnota E X = xf x dx. V některých publikacích se střední hodnota označuje μ. Rozptyl náhodné veličiny je definován jako střední hodnota druhých mocnin odchylek od střední hodnoty. Rozptyl diskrétní náhodné veličiny je definován jako σ 2 n = σ i=1 x i E(X) 2 P(X = x i ), rozptyl spojité náhodné veličiny pak σ 2 = x E(X) 2 f x dx. V některých publikacích bývá rozptyl náhodné veličiny X označován jako disperze D(X) či variance var(x ). Odmocnina rozptylu σ se nazývá směrodatná odchylka. 149

150 Počítačová simulace Analýza dat Statistická analýza dat Aritmetický průměr je hodnota, která v jistém smyslu vyjadřuje typickou hodnotu popisující soubor mnoha hodnot. Ovšem je potřeba zdůraznit, že taková hodnota v souboru ani nemusí existovat. Definice aritmetického průměru hodnot x i (i = 1,2,, n) je x ҧ = 1 σ n i=1 n x i. Modus diskrétní náhodné veličiny X je hodnota x, která se ve výběrovém souboru vyskytuje nejčastěji, tj. platí P(X = x) P(X = x i ). Pro spojitou náhodnou veličinu X platí podmínka f( x) f(x). Medián je hodnota x, která dělí řadu seřazených výsledků na dvě stejně početné podmnožiny. V případě lichého počtu prvků ve statistickém souboru se jedná o prostřední hodnotu, pokud je počet prvků sudý, pak se za medián většinou označuje aritmetický průměr dvou hodnot, které jsou v setříděném souboru na místech n 2 a n Pro medián tedy obecně platí, že nejméně polovina hodnot je menších nebo rovna a současně nejméně polovina hodnot větších nebo rovna mediánu. 150

151 Počítačová simulace Analýza dat Statistická analýza dat Náhodné číslo je definováno jako hodnota rovnoměrného pravděpodobnostního rozdělení na intervalu (0, 1). Pro generování náhodných čísel je vyvinuta celá řada generátorů, z nichž nejpoužívanějšími jsou aritmetické generátory. Náhodná čísla se získávají tak, že každé číslo se vypočítá za pomoci určité aritmetické operace z čísla předchozího. Protože jde o aritmetický výpočet, a nikoliv o náhodu, lze čísla takto získaná označit pouze za čísla pseudonáhodná. Vygenerovaná náhodná čísla jsou pak transformována pomocí různých metod na hodnoty náhodných veličin. Metoda inverzní transformace, která vychází z existence vzájemně jednoznačného přiřazení mezi hodnotami náhodné veličiny x a náhodnými čísly r, daného předpisem r = F x, kde F(X) je distribuční funkce náhodné veličiny X. Vygenerováním náhodného čísla r jednoznačně určíme hodnotu x = F 1 (r), kde F 1 (X) je inverzní funkce k distribuční funkci F(X). Problém nastává, pokud je inverzní funkce příliš komplikovaná nebo vůbec neexistuje. 151

152 Počítačová simulace Analýza dat Statistická analýza dat Metoda inverzní transformace pro rovnoměrné pravděpodobnostní rozdělení: F x = x a b a distribuční funkce na intervalu (a, b) r = x a b a náhodné číslo x = a + r(b a) hodnota náhodné veličiny s rovnoměrným rozdělením 152

153 Děkuji. 153